目标跟踪算法

运动目标跟踪主流算法大致分类：

a) 不依赖先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终对目标进行跟踪.

b) 依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到相匹配的运动目标.

一、运动目标检测

对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步。运动检测即为从图像序列图像中将变化区域从背景图像中提取出来。运动目标检测的算法依照目标与摄像机之间的关系可以分为静态背景下运动检测和动态背景下运动检测。

（一）静态背景

1.背景差

2.帧差

3.GMM

4.光流

背景建模算法可以对背景的光照变化、噪声干扰以及周期性运动等进行建模，在各种不同情况下它都可以准确地检测出运动目标。因此对于固定摄像头的情景，目前大多数的跟踪算法中都采用背景建模算法来进行目标检测。背景建模算法的局限性在于他需要一个静态的固定摄像头。

（二）运动背景

通常情况下，摄像机的运动形式可以分为两种：

a）摄像机的支架固定，但摄像机可以偏转、俯仰以及缩放；

b）将摄像机装在某个移动的载体上。由于以上两种情况下的背景及前景图像都在做全局运动，要准确检测运动目标的首要任务是进行图像的全局运动估计与补偿。

考虑到图像帧上各点的全局运动矢量虽不尽相同（摄像机做平移运动除外），但它们均是在同一摄像机模型下的运动，因而应遵循相同的运动模型，可以用同一模型参数来表示。

全局运动的估计问题就被归结为全局运动模型参数的估计问题，通常使用块匹配法或光流估计法来进行运动参数的估计。

块匹配

基于块的运动估算和补偿可算是最通用的算法。可以将图像分割成不同的图像块，假定统一图像小块上的运动矢量是相同的，通过像素域搜索得到最佳的运动矢量估算。块匹配法主要有如下三个关键技术：

a) 匹配法则，如最大相关、最小误差等

b) 搜索方法，如三步搜索打、交叉搜索法等

c) 块大小的确定，如分级、自适应等

光流法

光流估计的方法都是基于以下假设：图像灰度分布的变化完全是目标或者场景的运动引起的，也就是说，目标的场景的灰度保持不变的这个假设条件下。另外，大多数的光流计算方法相当复杂，如果没有特别的硬件装置，其处理速度相当慢，达不到实时处理的要求。

二、目标跟踪

运动目标的跟踪，即通过目标的有效表达，在图像序列中寻找与目标模板最相似候选目标区位置的过程。简单说，就是在序列图像中为目标定位。运动目标的有效表达除了对运动目标建模外，目标跟踪中常常用到的目标特性表达主要包括视觉特征（图像边缘、轮廓、形状、纹理、区域）、统计特征（直方图、各种矩特征）、变换系数特征（傅里叶描绘子、自回归模型）、代数特征（图像矩阵的奇异值分解）等。除了使用单